Universidad de Castilla-La Mancha
 
Escuela Superior de Ingeniería Informática

 

  cambiar a curso:   2015-16   2017-18



Grado en Ingeniería Informática


TRABAJOS FIN DE GRADO
curso: 2016-17

Localización automática de partículas en imágenes microscópicas de inmunomarcaje


Tecnologías Específicas

Computación
 


Descripcion y Objetivos

El inmunomarcaje es una técnica utilizada en campos como la histología, y que consiste en el marcaje específico de estructuras que contienen péptidos o proteínas, y que son detectados mediante anticuerpos en la técnica inmunocitoquímica. Los anticuerpos son unidos, directa o indirectamente, a moléculas fluorescentes, a enzimas ,o a partículas de oro coloidal, de modo que las estructuras marcadas pueden ser reconocidas con el tipo de microscopio adecuado. El análisis de estas imágenes consiste fundamentalmente en la detección y conteo de estas partículas, así como del estudio de la distribución espacial de las mismas.

Este trabajo se centra en el análisis de imágenes microscopía electrónica obtenidas a partir de inmunomarcaje con partículas de oro, cuyo diámetro oscila de 2 a 20 nanómetros. Estas imágenes se presentan con distintas escalas, brillos, resoluciones, e incluso presentan superficies con rugosidades que dan lugar a "sombras". Debido a esto, la localización de las partículas debe ser hecha, en muchas ocasiones, de forma manual. 

El objetivo de este trabajo fin de grado consiste en diseñar un método para la localización y etiquetado automático de las partículas. Para ello, se utilizarán técnicas basadas en visión artificial y aprendizaje automático.

 


Metodología y Competencias

En el trabajo tomará como punto de partida un conjunto de imágenes previamente etiquetadas por expertos, y se dividirá en 6 fases:

  1. Análisis del problema y estudio de las imágenes.
  2. Elaboración de una base de datos de imágenes de partículas.
  3. Estudio y extracción de las características relevantes para la clasificación de las imágenes.
  4. Elaboración de la base de datos.
  5. Selección de características y estudio de distintos clasificadores.
  6. Validación del modelo.
 


Medios a utilizar

Para la realización del trabajo se utilizará el lenguaje de programación Python y las siguientes librerías:

  • numpy
  • scikit-learn
  • opencv
  • scikit-image

Además, una vez desarrollado el modelo, éste será implementado en Matlab para su incorporación al proyecto GPDQ (Gold particle detection and quantization) actualmente llevado a cabo dentro del grupo de investigación SIMD.

 


Bibliografía

  • Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab. Chris Solomon, Toby Breckon.
  • Learning Image Processing with OpenCV. Gloria Bueno García et al.
  • Ian H. Witten y Eibe Frank, Data Mining: Practical machine tools and techniques, Elsevier, 2005
  • Documentación de OpenCV para Python: http://opencv24-python-tutorials.readthedocs.io/en/stable/
  • Documentación y tutoriales de scikit-learn: http://scikit-learn.org/stable/
  • Documentación y tutoriales de scikit-image: http://scikit-image.org
  • Apuntes de la asignatura Minería de datos.
 


Tutores


OSSA JIMENEZ, LUIS DE LA
ROMERO GONZALEZ, CRISTINA
 

Alumno


MARTÍNEZ SÁNCHEZ, YOLANDA

 

 

Sindicación  Sindicación  Sindicación  Sindicación

Curso: 2016-17
© Escuela Superior de Ingeniería Informática
Edificio Infante Don Juan Manuel
Avda. de España s/n
02071 Albacete

informatica.ab@uclm.es
aviso legal
generar código QR de la página